Als Journalistin hatte ich die Aufgabe, die Social-Media-Beiträge von drei prominenten Tech-Figuren – Donald Trump, Elon Musk und Sam Altman – auf ihren jeweiligen X-Accounts zu überwachen. Dieser Prozess war nicht nur zeitaufwendig, sondern auch wenig erfüllend. Um diese Aufgabe zu automatisieren, entschied ich mich, zum ersten Mal „Vibe Coding“ mit ChatGPT zu probieren – also die Erstellung eines Webseiten-Feeds mithilfe natürlicher Sprache, ohne jegliche Programmierkenntnisse. Der Ansatz: Ein einfaches Web-Tool, das in drei Spalten die Posts dieser drei Personen anzeigt, ohne dass ich mich auf den Plattformen einloggen müsste. Mein erster Versuch begann um 14 Uhr. Ich erklärte ChatGPT, dass ich völlig neu im Programmieren sei, und bat um Schritt-für-Schritt-Anleitung. Der Chatbot generierte eine detaillierte Planung: Software herunterladen, Dateien erstellen, Terminal nutzen, Code in TextEdit einfügen. Alles lief zunächst reibungslos. Doch sobald ich die Seite lokal startete, erschienen Fehlermeldungen in allen drei Spalten. ChatGPT riet zu Änderungen im Aktualisierungsintervall und bot eine neue Feed-URL an. Als auch das nicht half, bat ich um eine Code-Neujustierung – und der Teufel kam heraus. Mit jeder neuen Anfrage entstand eine neue Fehlermeldung. Die Anweisungen wurden komplexer, bis ChatGPT selbst die Verbindung abbrach – mit einer „Gateway Timeout“-Meldung, die mich zwei Stunden vom Dienst ausschloss. Um 19 Uhr suchte ich Hilfe bei meinem Partner, einem Informatik- und Physik-Studenten im Doktorandenstudium. Er kritisierte meinen Ansatz: Ich habe ChatGPT wie eine Suchmaschine behandelt, statt es als lernfähigen Partner zu nutzen. Stattdessen sollte ich das Ziel vereinfachen – nur einen Feed, etwa von Trumps Truth Social, erstellen. Außerdem riet er, mit einem „Mock-Feed“ aus fiktiven Posts zu beginnen, um die Struktur zu testen, bevor echte Daten eingespeist werden. Und vor allem: Ich sollte nicht nur Befehle geben, sondern verstehen, was der Code tut, und nach Erklärungen fragen. Ich folgte dem Rat. ChatGPT war begeistert von der neuen Herangehensweise. Wir erstellten zunächst eine simulierten Feed-Spalte mit künstlichen Posts. Der Code funktionierte. Dann zeigte der Bot genau an, welche Teile des Codes für die Umstellung auf echte Daten geändert werden mussten. Als erneut ein „cannot fetch feed“-Fehler auftauchte, schlug ChatGPT vor, den Browser zu wechseln – von Chrome auf Safari oder Firefox. Nach dem Wechsel lief die Seite nach 30 Sekunden – erfolgreich. Mein erstes vibe-codiertes Web-Tool war live: ein personalisierter Feed ohne Login, der die Posts von Trump automatisch anzeigt. Die Erfahrung lehrte mich, dass AI-gestütztes Programmieren kein Zauberstab ist. Selbst mit ChatGPT braucht es Klarheit, Geduld und ein grundlegendes Verständnis der Prozesse. Der Schlüssel liegt in der Schritt-für-Schritt-Annäherung, dem Testen mit Dummy-Daten und der aktiven Mitgestaltung des Prozesses. Experten bestätigen: Wenn man keine Grundkenntnisse hat, zeigt sich das schnell – aber mit der richtigen Strategie kann sogar ein Anfänger mit Hilfe von LLMs praktische Lösungen entwickeln. Für mich war es mehr als eine Zeitersparnis – es war ein Einblick in die Zukunft der Arbeit, in der Menschen und KI kooperieren, statt gegeneinander arbeiten.